https://zbmath.org/atom/cc/03B48 2024-04-15T15:10:58.286558Z Werkzeug公司 https://zbmath.org/1530.03044 2024-04-15T15:10:58.286558Z “范·罗伊，罗伯特” https://zbmath.org/authors/？q=ai:van-鲁伊·罗伯特 “米拉比尔，帕特丽夏” https://zbmath.org/authors/？q=ai:mirabile.patricia 摘要：对置推理（（A\右箭头C\因此\neg C\右箭头\neg A）\）、假设三段论推理（（A \右箭头B，B \右箭头C \因此A\Rightarrow C）\）和其他推理被广泛视为对反事实条件句不可接受。然而，亚当斯令人信服地指出，这些推论对于textit{指示性条件句}来说也是不可接受的。他认为，形式为（A\Rightarrow C）的指示性条件具有可断言条件，而不是真值条件，并且它们的可断言性“与”条件概率（p（C|A））“一致”。为了解释推论，亚当斯发展了概率蕴涵的概念，作为经典蕴涵的延伸。这种组合方法（正确地）预测对位和假设三段论是无效的推论。然而，也许不太为人所知的是，该方法还预测了这些推论的无条件对应项，例如，模式tollens（（A\Rightarrow C，\neg C，因此\neg A））和迭代模式ponens（（A \Rightarrow B，B\Right箭头C，A\因此C））被预测为有效。我们将通过示例和调用行为实验（N=159）的结果来论证，如果这些推论中的无条件前提被视为新信息，那么后面的预测是不正确的。然后我们将讨论概率逻辑入门。斯坦福，CA：CSLI，语言和信息研究中心（1998；Zbl 0910.68202）。最后，我们将展示如何改进他的动态蕴涵关系，从而克服亚当斯关于条件句及其无条件对应词的原始系统所预测的不一致。最后，我们将认为，隐含这一新概念背后的思想具有更广泛的相关性。 https://zbmath.org/1530.03097 2024-04-15T15:10:58.286558Z “道德，德拉甘” https://zbmath.org/authors/？q=ai:doder.dragan网址 “Ognjanović，Zoran” https://zbmath.org/authors/？q=ai:ognjanovic.zoran “内纳德·萨维奇” https://zbmath.org/authors/？q=ai:savic.nnenad “托马斯·斯塔德” https://zbmath.org/authors/？q=ai:studer.thomas网址 小结：我们提出了一种逻辑，用于推理论证公式的高阶上下概率。我们为逻辑提供了合理且强完整的公理化。此外，我们还证明了引入的逻辑推广了现有的概率证明逻辑（mathsf{PPJ}）。关于整个集合，请参见[Zbl 1494.03010]。 https://zbmath.org/1530.03098 2024-04-15T15:10:58.286558Z “Węgrecki，Jakub” https://zbmath.org/authors/？q=ai:wegrecki.jakub “莱泽克·兰斯基” https://zbmath.org/authors/？q=ai:wronski.leszek 摘要：我们展示了如何将任何有限概率空间扩展到另一个有限概率空间，该空间满足原始命题的条件概率的条件解，给定条件的最大允许嵌套度。这减轻了众所周知的琐碎结果的影响。 https://zbmath.org/1530.68061 2024-04-15T15:10:58.286558Z “Weitkämper，Felix Q。” https://zbmath.org/authors/？q=ai:weitkamper.felix-q个 概要：概率逻辑编程是统计关系人工智能的一个重要组成部分，在这种智能中，逻辑和概率的方法结合在一起，在不确定的环境中对关系域进行推理和学习。然而，跨可变域大小的统计关系表示的行为是复杂的，并且将推理和学习扩展到大域仍然是一个重大挑战。近年来，领域大小依赖性、提升推理和从抽样子群体中学习之间出现了联系。统计关系表示的渐近行为受到了仔细研究，投影性被认为是领域大小依赖性的最强形式，其中查询边距完全独立于领域大小。在本文中，我们证明了分布语义下的每个概率逻辑程序都渐近等价于一个仅由概率事实上的确定子句组成的非循环概率逻辑程序。我们得出结论，每个包含投影分布族的概率逻辑程序实际上在任何地方都等价于来自该片段的程序，并且我们研究了概率逻辑程序可表示的投影分布族所带来的后果。